数字经济对就业迁移的影响研究

李 飚 任芮萱 李秋月 陈 彪

1（郑州大学商学院，郑州 450001）2（郑州大学国际学院，郑州 450001）3（广西大学工商管理学院，南宁 530004）

引言

就业是民生之本，改善就业状况、实现就业结构的优化调整是发展民生的重要手段。当前，我国劳动力在不同行业和不同部门的就业结构性失衡问题正在凸显［1］。社会经济高效快速的发展，离不开明确的社会分工，这就意味着劳动力作为一种生产要素，需要在不同的产业之间流动，而这种流动便是劳动力就业结构的变动，也就是就业迁移的主要表现。国家统计局数据显示，2011年，我国第二产业就业人数在总就业人口中的占比为29.6%，第三产业就业人数在总就业人口中的占比为35.7%；2022年，我国第二产业就业人数占总就业人口的28.8%，第三产业就业人数占总就业人数的47.1%，劳动力向第三产业的就业迁移现象愈发显著，这也与国际趋势一致。

近年来，数字经济快速发展，作为数字经济支撑基础的大数据、人工智能等技术也在不断进步。《中国数字经济发展白皮书（2023）》 数据显示，数字经济占GDP 比重达41.5%，这一比重相当于第二产业占国民经济的比重。数字经济的快速发展，极大地促进了经济进步，新一轮的技术革新促进了产业结构的优化升级［2］。特别是，数字经济在第三产业上的快速发展贡献突出，使得服务业成为产业数字化的领头羊［3］。此外，数字经济的发展也有助于促进对传统产业的数字化改造，制造业越来越多重复性、程序化的任务由工业机器人所替代，在提高生产效率的同时，淘汰低端工作岗位，使得劳动力流向服务行业，优化就业结构，促进产业结构高级化。数字经济已经成为我国发展进步的重要动力，解决好其带来的就业效应才能以更好的姿态迎接新时代的机遇和挑战。

随着数字经济的不断发展，有关数字经济与就业的文献也越来越多，现有文献大多关注以下问题：数字经济对不同技能劳动力就业的影响、数字经济对市场与产业结构的影响、数字经济的创造效应和替代效应等。本文从就业迁移的角度入手，研究数字经济对就业迁移的影响，从就业迁移角度探究数字经济的发展成果，丰富了相关文献，为我国数字经济与就业政策协同发展提供参考；从产业结构高级化视角分析数字经济影响就业迁移的机制，从理论和实践的角度探究其在数字经济和就业迁移之间发挥作用的机理。

1 文献综述与研究假设

由于数字经济的发展和科技的不断进步，科技革命中相关的要素结构变动带来了劳动力就业结构的改变［4］。在20世纪80年代，许多发达国家的劳动力市场都出现了由中技能劳动力市场向高技能和低技能劳动力市场转移的情况［5］，这种现象被称之为“就业极化”［6-8］。新技术的发展对于劳动力的技能结构存在着一定影响，促进了高技能和低技能就业人数的增加，减少了中技能劳动力的就业［7］。

数字经济的发展除了对劳动力技能水平调整有一定影响以外，对劳动力数量分布也有着一定程度影响。数字经济发展对就业存在一定的替代效应，并促使智能数字资本的产生，作为一种生产要素，其增加了高技能劳动力需求，相对降低了低技能劳动力需求［8］。越来越多的工作岗位可以由机器人或者智能技术替代，造成技术性失业，影响就业结构变动，这是数字经济对劳动力的替代效应［9，10］；另外，数字经济发展对就业也存在一定的创造效应。（1）数字技术可以减少信息的不对称性，使得生产要素更加高效快速的流动。传统的劳动力市场存在的信息障碍被突破，促使劳动力更多的跨地区、跨部门流转，数字平台为更多的劳动力提供了工作机会，缓解了摩擦性失业和结构性失业。自动化的引入可以更加合理的分配生产要素，提高生产要素配置效率。有许多新的任务，如设计、编程等，是机器人和智能技术不能替代的，这便为劳动力又提供了一些新的就业机会［11］；（2）生产效率的增加会使得产业规模进一步扩大，提供更多的就业岗位来弥补因资本替代劳动而造成的就业岗位的减少和消失。数字经济所带来的溢出效应，也可以缓解地域间的市场分割，促进产业结构升级［12］。数字经济可以通过改变劳动力在不同部门间的技能结构和数量分布影响就业迁移。据此，提出本文研究假设1：

研究假设1：数字经济的发展可以通过改变就业结构，促进劳动力从第二产业流向第三产业的就业迁移。

由于我国地域广阔，各个地区的经济发展形势不同，数字经济发展水平存在着差异，其对于就业迁移的影响也可能不同。纵向来看，东部地区的经济以及第三产业的发展水平远超于中、西部地区；横向来看，南方地区的经济以及第三产业的发展水平远超于北方地区［13］。由于资源型城市主要是依托于自然资源的开发和利用，因此经济结构单一，就业结构也较为单一，数字经济的发展并不能快速增加自然资源的开发利用。因此，与非资源型城市相比，数字经济的发展对于资源型城市就业的影响较小。据此，提出本文研究假设2：

研究假设2：数字经济对就业迁移的影响存在地区异质性和城市异质性。

数字经济极大提升了数据要素的价值，信息传播速度的加快、处理问题效率的提升、供需双方信息差的降低使得资源配置进一步优化，从而促进产业结构的优化。数字经济的发展可以减少信息不对称性，使得资源实现最大程度的共享，为地区间的技术创新交流注入更多的活力［14］。数字经济打破了时间和空间的界限，使得信息传递无壁垒，迅速改变各企业间的竞争关系，扭转优劣势，重塑竞争格局。数字经济可以通过数字产业化与产业数字化来促进产业结构转型，产业结构的转型伴随着就业结构的变化，对劳动力流向有重要影响［15，16］。数字技术和传统的产业相融合，催生新的工作岗位，也可以使得传统产业的生产变得更加智能化，提高企业的工作效率，降低企业的生产成本，从而实现产业数字化转型［16］。此外，数字经济与传统工业的结合，一定程度上促进制造业行业低技术部门劳动力转移加快，高技术部门劳动力需求增加，产业结构的优化升级促进就业结构的转变。对于第二产业，机器取代劳动力进行生产加工工作的现象较为普遍。对于第三产业，数字经济的不断发展，逐渐渗透到各个社会生产活动中，第三产业与就业增长之间存在着长期协同互动关系［17］，在各产业中对第三产业的渗透率明显最高。服务业经历着产业内部的改革和创新，许多新兴服务业的涌现，推动着第三产业的发展，也使得第三产业出现更多的就业岗位，吸纳更多的劳动力。据此，提出本文研究假设3：

研究假设3：数字经济的发展能够促进产业结构高级化，促使产业结构向服务化转型，从而加速促进就业迁移现象。

2 模型设定与变量选取

2.1 模型设定

（1）基准回归模型

为了验证研究假设，本文构建了基于市级面板数据的双向固定效应模型：

计算思维最终的目的是通过建模等计算过程达到问题最有效最优化的求解方案。因此，养成计算思维的第一步，就是了解用计算思维解决问题的一般方式，如图所示。首先，便是将问题的情境呈现出来，使之能够使用工具如计算机等进行解决；接着对问题的数据进行分析；之后，能够将问题情境抽象成一个模型；之后，通过一系列有序的步骤，将此类问题(这个模型)的解决方案实现自动化；通过实践分析，判断和识别出最有效的解决方案；最后，可将方案进行深化推广。

其中，i和t分别表示城市和年份，Employ表示被解释变量，即城市i在第t年的就业迁移；Dge表示核心解释变量，即城市i在第t年的数字经济发展水平；Z表示一系列的控制变量；μi为第i个城市不可观测的地区效应；λt为时间效应；εit为随机扰动项。

（2）中介效应模型

为了进一步分析数字经济的发展对就业迁移的影响机理，本文借鉴了江艇（2022）［18］的做法构建中介效应模型：

其中，Isa表示城市i在t年的产业结构高级化水平；φk为控制变量的系数；系数β1反映了数字经济对于产业结构高级化这一中介变量的影响效应；γi为城市i不可观测的地区效应；νt为时间效应；ηit为随机扰动项。

2.2 变量选取

（1）被解释变量

就业迁移（Employ）：中国就业结构变化的特征主要表现在劳动力较为明显地向服务业转移。本文根据三次产业之间的劳动力就业分布，从产业结构视角来度量就业结构的变动，进而分析就业迁移问题，用第三产业就业人口数量与第二产业就业人口数量的比值来衡量。

（2）核心解释变量

数字经济（Dge）：对于数字经济的测度，最开始大多数学者选择通过单一的指标来衡量数字经济，如互联网普及率、电子交易额等［19，20］。然而单志广等（2020）［21］指出，部分机构公布的数字经济发展指数的评价体系较为单一，不够全面准确。随着进一步研究发展，一些学者和机构开始以多维度指标的角度作为标准来测度数字经济。如表1所示，本文借鉴孔令英等（2022）［22］的研究选取变量，并考虑数据可获得性，确定了将数字基础设施、数字产业发展和数字创新水平3 个方面作为衡量数字经济发展的二级指标，其中二级指标又分为6 个三级指标，对数据进行标准化处理，计算出对应的信息熵、差异系数以及各项指标权重，得到数字经济综合发展指数，记为Dge。

表1 地级市数字经济指标体系

产业结构高级化（Isa）：本文借鉴干春晖等（2011）［23］所采用的产业结构高级化水平的衡量方法。通过第三产业增加值与第二产业增加值的比值作为产业结构高级化的衡量标准。

（4）控制变量

选取4 个维度的控制变量，分别为金融发展水平（fis）、教育支出水平（eel）、对外开放水平（fdi）、城镇化水平（urb）。用存贷总额与地区生产总值的比值来表示金融发展水平；用财政教育支出与一般预算支出的比值来表示教育支出水平；用进出口总额与GDP 的比值来表示对外开放水平；用城镇常住人口与全市常住人口的比值来表示城镇化率。

2.3 数据来源与描述性统计

就业迁移水平、产业结构高级化水平和控制变量数据均来源于《中国统计年鉴》、《中国城市统计年鉴》；数字经济发展水平根据《中国城市统计年鉴》、各省统计年鉴、各省统计公报、各地市统计年鉴、北京大学数字普惠金融指数等数据构建。考虑数据的可获得性，本文选取了2011～2019年282 个城市级面板数据。各变量的描述性统计结果如表2所示。

表2 描述性统计

3 实证结果分析

3.1 基准回归

由表3 所展示的回归结果来看，数字经济和就业迁移之间存在着正相关关系。这是由于伴随着数字经济的发展，工业机器人、大数据、人工智能等数字技术和实体经济深度融合，促进了传统产业的优化升级，对产业结构优化有着正向效应，产生了许多新的行业和就业岗位。由于产业结构高级化，各产业所需的劳动力发生调整，使得劳动者在不同产业的就业人数发生变化，造成劳动力在各产业之间流动和调整。同时，这些新增的行业和岗位使得劳动者可以更加自由地选择自己的职业，也造成进一步的就业迁移。

表3 基准回归及内生性检验

此外，金融发展水平与就业迁移呈正相关关系，金融的发展主要是通过影响资本的投入和工资水平来影响就业结构的调整，通过发挥金融吸收存款、发放贷款的能力，各行业发展速度不一，产业结构随之改变，带动了就业结构的调整［24］；对外开放水平对就业迁移有显著的正向影响，在贸易开放的过程中，我国加速了服务业开放程度，通过减少负面清单、降低中间产品的进出口关税等方式扩大服务贸易规模，使得劳动力从第二产业向第三产业转移［25］；城镇化水平对就业迁移有负向影响，这是由于随着城市化水平提升，更多农村劳动力涌入第二产业从事中低技能工作，延缓了劳动力向第三产业转移的步伐；教育支出水平与就业迁移不存在显著相关关系。

3.2 内生性处理

数字经济发展会促进就业迁移，而就业迁移所造成的资本与劳动力要素的重新配置也可能影响数字经济发展。这种互为反向因果的关系会导致内生性问题［26］。本文借鉴黄群慧等（2019）［27］的做法，选择将地势起伏度分别与全国信息技术服务收入和互联网用户数做交互项作为工具变量。这是因为数字经济的主要载体就是互联网，而互联网的发展与当地的电信基础设施密不可分。一个地区的地势起伏度，对于当地电信基础设施的建设起重要作用，对后续人工智能技术水平以及数字经济的发展和应用有一定的影响，满足了工具变量的内生性。同时，地势起伏度短时间内不会有较大改变，对就业迁移的影响很小，这也就满足了工具变量的外生性。由于地势起伏度属于截面数据，参考赵涛等（2020）［28］的做法，用上一年的互联网用户数和全国信息技术服务收入分别与各市地势起伏度构造交互项。工具变量的检验结果表明，LM 统计量为78.51，不存在不可识别或识别不足的问题。Cragg-Donald Wald F Statistic统计量为40.56，大于10%临界值19.93，不存在弱工具变量问题。过度识别p＝0.5567，接受原假设，不存在过度识别问题。结果表明，数字经济对就业迁移的影响仍然显著。

3.3 稳健性检验

（1）替换被解释变量。本文进一步采用第三产业与第二产业就业人数差值的绝对值（Employ1）进行重新测度；（2）替换核心解释变量。借鉴赵涛等（2020）［28］的研究，选取5 个衡量数字经济发展的二级指标，并由5 个三级指标来表示。这5 项三级指标通过熵值法进行赋权，得到2011～2019年数字经济综合发展指数（Dge1），如表4所示；（3）增加控制变量。增加人均地区生产总值（gdp）；（4）减少政策干扰。党的十八大以来，国家更加重视数字经济的发展，深入实施数字经济发展战略。数字经济逐渐成为经济发展中最活跃、发展最快的领域。因此剔除2011年的数据，使用2012～2019年数据进行检验；（5）变更数据周期。随着数字经济发展战略的广泛推广和数字基础设施的大规模应用，我国数字经济在2019～2021年之间有了较为明显的增长。根据统计，2019～2021年，我国数字经济占GDP 的比重从36.2%增长到39.8%，因此本文进一步增加数据周期。考虑到2019～2021年，我国较多城市相关数据缺失或未公布第二产业和第三产业就业人数，基于数据可得性，本文选取2011～2021年各项指标可完全获得的省（区、市）作为区域范围，构建2011～2021年24 个城市的平衡面板数据。同时，对基准回归中数字经济指标衡量标准作出调整，将“信息传输、计算机服务和软件业从业人员数”和“上市公司中数字高新技术应用渗透程度”两个衡量标准删去，添加“数字普惠金融”这一项二级指标，该二级指标对应“数字普惠金融覆盖广度、使用深度、数字化程度”这3 项三级指标和衡量标准，再用熵值法对指标进行处理得出数字经济发展指数，记为Dge2。对2011～2021年数据进行回归检验，结果如表5 列（5）所示。表5 列（1）～（5）结果显示，数字经济发展较为显著的推动了我国劳动力从第二产业向第三产业的快速迁移。

表4 数字经济指标体系

表5 稳健性检验

3.4 异质性分析

我国各个地区和城市的资源禀赋、数字经济发展水平以及就业状态都有所不同。由表6 可知，数字经济对于不同地区的就业迁移的影响有所不同。（1）东部地区数字经济对就业迁移的影响呈正相关性，即对其有正向的促进作用。这一结论意味着数字经济的发展将促进东部地区的就业迁移。东部地区的经济发展水平较高，较早的进入数字化时代，数字经济发展较快，更有利于创新发展，能够更快更多地产生与数字经济相关的新产业，为劳动者提供更多的新岗位，也由此能够更加直接的对劳动者就业结构做出调整。对于中、西部地区来说，数字经济的发展水平对就业迁移的影响不显著。中、西部地区相比于东部地区来说，经济发展水平较为落后，没有能够达到推动就业迁移的“门槛”，数字经济的发展不足以使劳动力大范围向第三产业流动；（2）对于北部地区，数字经济发展水平对就业迁移的影响不显著，而对于南部地区，数字经济对就业迁移的影响呈正相关，即对其有正向的促进作用，也就是说数字经济在北部地区并不能促进就业迁移。同中、西部地区情况类似，由于相较于南部地区，北部地区的经济水平整体发展较慢，数字经济发展程度较低，没有达到推动就业迁移的“门槛”，此时数字经济的进一步发展还不足以造成就业迁移；（3）根据国务院印发的《全国资源型城市可持续发展规划》，本文将全国城市分为资源型城市和非资源型城市。对于非资源型城市，数字经济对就业迁移呈现显著正相关关系，对于资源型城市则不显著。资源型城市往往以某项资源的开发利用为主业，缺乏发展数字经济的动力，产业升级发展较慢，产业化的多元结构拓展不充分。由于依托于资源发展，其核心产业的数字化水平较低，产业数字化和数字产业化制约程度较高。因此，资源型城市仍然依靠劳动密集型的第二产业发展，就业集中于第二产业，加之资源型产业发展往往数字化程度较低，因此数字经济发展对当地就业迁移的影响较小。非资源型城市往往依托于数字化程度更高的第三产业发展，数字经济对当地就业迁移的影响较大。

表6 异质性分析

4 影响机制的识别检验

表7 结果表明，数字经济发展有利于促进产业结构高级化，进而加速就业迁移。数字经济的发展对产业结构升级具有积极的作用，产业结构高级化会显著影响就业结构［29］。随着产业结构的高级化，第二产业的劳动力会向第三产业转移，从而造成第二产业就业人数和占比的降低，增加第三产业就业人口和占比，这也反映出数字经济对于产业结构调整的重要价值。

表7 影响机制检验

5 研究结论

本文采用2011～2021年城市级面板数据实证探究了数字经济对就业迁移的影响及其机制，得出以下结论：（1）数字经济对就业迁移有显著的正向促进作用，其发展会加速第二产业向第三产业的就业迁移；（2）不同地区数字经济对就业迁移的影响存在差异，数字经济对东部地区和南部地区的就业迁移具有显著促进作用。数字经济对非资源型城市的就业迁移呈现显著促进作用；（3）数字经济有助于促进产业结构高级化，并通过促进产业结构高级化从而进一步促进就业迁移。

本文提出如下政策建议：（1）大力发展数字经济以促进就业结构优化。以大数据、人工智能等相关领域的研发项目为主要的载体，加强对于数字领域人才的培养和引入。同时，应当积极利用数字经济信息化的优势，提供就业热线电话等服务，降低求职者和招聘者的信息不对称性，从而帮助失业群体进行再就业。加强高等院校对于数字经济方面人才的培养和教育，开设相关课程，使得有足够数量的且有能力的劳动力可以流向新兴数字经济行业，匹配经济发展的速度；（2）加强跨地区协作以缩小发展差距。积极发挥数字经济的优势，降低区域发展不均衡程度。数字经济通过大数据、工业互联网等技术，拉近了行业间的交易距离，打破交易地理和时间障碍隔阂，增强区域的经济联系。政府应当发挥数字经济的优势，在保证东部地区数字经济稳步发展的基础上，加大对中、西部地区数字基础设施的建设，全面发展中、西部地区的经济，促进中、西部地区数字经济的发展以及就业迁移的改善。在保证南部地区发展水平稳步上升的情况下，大力发展北部地区的经济，缓解就业压力。中东西联动，南北联动，资源型城市和非资源型城市联动促进我国整体的产业配置更加高级合理；（3）通过提高产业结构高级化优化就业迁移。政府应当加强对数字经济的产业组织建设，提供更加公平开放的市场环境，促进数字经济对于产业结构高级化的促进作用，优化经济的发展环境。当今时代，数字经济渗透到生活的方方面面，要深化数字经济在产业结构高级化中的作用，促进数字经济的发展，逐步完善中、西部地区、南部地区和资源型城市的数字基础设施，在发展的基础上不断促进创新，使得数字经济引领新技术新模式，优化传统产业升级能力，提高制造产业基础能力，同时延长服务业数字化链条。